搜索智能体检索信用构建与分配研究

1. 12:00
   arXiv · Computation and Language

   搜索智能体如何超越结果奖励：构建与分配检索信用

   论文系统研究中间监督如何改进搜索智能体的强化学习，考察多种从中间检索步骤提供学习信号的奖励塑形与信用分配策略，并构建一个将中间信号与最终结果奖励结合的训练框架。在多个基准、匹配训练条件下，实验显示聚合搜索智能体性能提升，中间信号的选择及其信用分配位置都会影响训练行为，表明奖励设计与信用分配是训练有效搜索智能体的重要设计维度。

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.